機動車測速中的目標檢測與跟蹤技術管窺

摘 要：隨著當今社會的快速發展，國民經濟的發展也變得非常迅速，交通運輸也越來越發達，公路的建設正在大力進行中并且也得到了快速發展，特別是這幾年高速公路的建設發展也是突飛猛進，高速公路的通車里程數也在逐漸增加，已經達到了幾萬公里，然而與之相應的交通設施和相關法規卻沒有跟上飛速發展的腳步，呈現出相對落后的勢態。在智能化的交通系統中，對于機動車測速的目標檢測和跟蹤技術在今后的發展中更是有待于提高和完善，以更好的適應現在的發展需求。

關鍵詞：機動車測速系統；目標檢測；跟蹤技術

1 前言

隨著交通運輸業的逐漸雄起，對于交通管理方面提出了新的任務和挑戰，為了能夠更好的解決交通發展迅速所導致的種種問題，現在世界上的很多國家都開始重點發展智能型的交通系統，為此一些國家對于智能型交通系統已經做出了比較長遠的計劃，甚至有一些相關的智能產品已經被成功的開發出來，從這些被開發出的智能系統投入使用的效果中我們能夠看出很好的成效，這是非常讓人興奮的，更是給我們今后的探索帶來更多的動力，我國早在70年代也已經在交通運輸領域中涉及了電子信息的相關技術，但是研究的成果并不是很顯著，相對滯后于國外的很多國家，直到到了90年代的時候，才將智能型的交通系統的相關概念逐步引進，現在關于智能型的交通系統已經成為了一種研究熱點，世界上的交通領域也在每年都會召開相關會議共同探討，在會上各國之間會互相交流探討關于技術的新發現和新展示。

智能交通系統只能在具有很完善的道路設施的基礎上才可以采用，在這項系統中，是將電子信息技術和傳感技術充分的綜合運用在交通管理體系中，通過這些技術的綜合運用可以建立出實時高效的交通管理系統，從而能夠做到更加準確和全方位的發揮管理交通的作用，通過運用這樣的交通系統技術不但可以提高運輸的效率，還能更全面和充分的保障交通安全，從而能夠更加有力的緩解現代交通中出現的運輸壓力，對于交通的檢測系統是整個智能型交通系統中最為重要的一個環節，在這個環節中主要是負責采集到道路交通中車流量的各種參數。關于車流量的檢測早在70年代就有出現了相關技術，這些年隨著計算機技術的先進發展和圖像處理技術的嫻熟度越來越高，已經開發出了通過機器視覺檢測器來檢測車輛的一種技術方法，這將很有可能會取代傳統使用的檢測器，并且很有希望能夠成為現代智能型交通系統中非常重要的一個組成部分。

2 運動目標的檢測

對于運動目標的檢測是要對序列圖像使用一種信號檢測的方法，從而能夠達到分離出運動的和靜止的像素點的目的，這樣可以在背景圖像中把變化的區域分離出來，視頻的監控系統通過自動分析能夠判斷出已經檢測到的運動像素點是哪一種運動類型的，這樣可以最終決定出是否真的發生了意外狀況，并在必要的時候發出報警信息，對運動的目標進行準確的檢測和分割，可以正確的對目標進行分類，并做出行為的理解，這樣的檢測在進行后期處理時是非常必要的。進行運動檢測最重要的一個內容就是對特定的場景進行監視，判斷是否出現了新的目標，進行目標檢測最主要的一個任務就是在視頻序列中進行檢測，并提取出兩種類型的目標，一種是新出現的運動目標，另一種是原先在場景中出現過的目標隨后停止了移動并且依舊停留在場景中，簡單一點來看待這個任務是可以通過兩個步驟來完成的，也就是先進行目標檢測然后再對目標進行提取，進行目標檢測就可以檢測視頻序列中正在被監視的場景圖像是否發生了什么變化，一旦出現任何的圖像變化，就會說明新的目標出現了，不然的話就是沒有出現新的目標，對于目標的提取就是通過目標檢測算法檢測到目標出現之后，把這個新目標在視頻序列圖像中分割出來，從而達到提取的目的，這樣可以為目標的跟蹤和識別提供更為可靠的數據。以下介紹一些較為常用的運動檢測方法。

2.1 幀差法

這種方法是把前后兩幀的圖像所對應的像素值進行相減，只要環境的亮度不會發生太大的變化，對應的像素值如果相差的很小，就可以斷定這個目標是靜止的，如果在圖像中，某個區域的像素值變化的非常大，可以初步判定出這是由于圖像中有運動的物體而引起的，我們需要將這些區域標記下來，通過這些標記出的像素區域就能夠計算出運動目標在圖像中的具體位置，因為目標的大小和背景的亮度是會出現差異的，所以對差分圖像選擇的分割方法就不相同，如果目標中出現陰影的干擾時還需要利用特殊的方法進行處理，這種方法能夠適應動態的環境，但不能提取出全部的特征像素點，如果運動的速度較為緩慢時，利用這種方法就很有可能檢測不出，一旦目標運動的過快時，還有可能把背景的個別部分也檢測成運動中的目標。

2.2 光流法

該法主要是對序列圖像光流場進行分析之后，近似的計算出無法直接得到的運動場，在這個運動場的基礎上需要場景加以分割，這樣就能檢測出運動目標了，其主要的步驟是：先通過前后兩幀的圖像初步估計出運動場，再由運動場得到運動向量對場景進行分割，把分割后的結果進行后期處理，后期處理中一般要把小一些的噪聲干擾消除，并且將若干個小區域進行合并，處理完成之后要統計出區域的個數，如果區域的數目超過一個，說明場景發生了變化，不然就說明場景沒有發生任何變化，這種方法在攝像機運動的條件下，也可以正常的檢測出運動目標，但是計算過于復雜，而且抗噪的性能比較差，如果攝像機是固定工作的，這種方法不宜采用。

3 目標跟蹤技術

目標跟蹤技術是在一段視頻序列的每一幀圖像中找到需要跟蹤的移動目標所在的位置，這個技術主要是應用在高速公路上對來往的車輛進行跟蹤監控，這樣可以準確的獲取車輛在具體每幀圖像中的詳細位置，從而可以描述出車輛在檢測區域中的運行軌跡，就能對車速進行監控。在跟蹤過程中，需要注意對新目標的確定，正確判斷出目標離開檢測區域的時間，如果目標出現分裂時要對分裂的目標進行合并并正確繼續跟蹤。

常用到的目標跟蹤算法也有很多，基于匹配的跟蹤是根據提取目標自身具備的特征不同可以分為區域匹配，輪廓匹配和特征匹配，由這些匹配項目進行跟蹤，還有一種是根據運動的特性進行跟蹤，這事一種通過光流的跟蹤計算和運動預測的跟蹤計算，顯然這些算法也是具有雙面性的，都存在著各自的利與弊，所以很多研究人員都是在這些算法的基礎上，再結合所遇到的具體情況進行了改進，可以提高跟蹤對象的匹配準確度，還能縮小目標的搜索范圍。

4 結束語

雖然現在針對機動車測速中的目標檢測與跟蹤技術已經有了很深入的研究，但是因為研究時間不長而知識的水平又較為有限，所以還是有很多的地方需要做進一步的改進，比如在有干擾物干擾時，就沒有辦法正確測出行車區域，對于夜間的低照度情況還不能正確的進行跟蹤，伴隨著高速公路的日益發展和交通需求量的日漸增多，智能型的高速測速系統會有更為廣闊的發展前進。

參考文獻

[1]譚熊，余旭初.基于無人機視頻的運動目標快速跟蹤[J].測繪通報，2011，7（9）：27-29.

[2]楊威，付耀文.基于有限集統計學理論的目標跟蹤技術研究綜述[J].電子學報，2012，16（7）：45-47.

[3]牛薌潔，黃永春.微弱運動目標的檢測與跟蹤識別算法研究[J].計算機仿真，2010，12（4）：164-166.

[4]柳俊峰.動態規劃算法在被動聲吶目標檢測中的應用[J].艦船科學技術，2012，2（3）：188-190.